本书以经典Kalman滤波、经典时间序列分析、系统辨识、多传感器信息融合四门学科的相互渗透作为方法论，主要解决模型参数估计、状态或信号估计、多传感器信息融合估计、自校正状态或信号估计、自校正信息融合状态或信号估计五类估计问题。除了重点介绍模型参数的最小二乘法估计和经典Kalman滤波理论外，还系统介绍了白噪声估计理论、最优滤波的现代时间序列分析方法、多传感器信息融合滤波理论、自校正滤波与信息融合滤波理论等新方法和新理论。本书内容丰富，讲解通俗易懂，具有很强的可读性。

本书以经典Kalman滤波、经典时间序列分析、系统辨识、多传感器信息融合四门学科的相互渗透作为方法论，主要解决模型参数估计、状态或信号估计、多传感器信息融合估计、自校正状态或信号估计、自校正信息融合状态或信号估计五类估计问题。除了重点介绍模型参数的最小二乘法估计和经典Kalman滤波理论外，还系统介绍了白噪声估计理论、最优滤波的现代时间序列分析方法、多传感器信息融合滤波理论、自校正滤波与信息融合滤波理论等新方法和新理论。书中以目标跟踪系统滤波为应用背景，给出大量仿真应用例子，并对多种最小二乘法参数估计算法给出大量数值仿真例子，并给出Matlab仿真程序清单。

本书可作为高等学校控制科学与技术、电子科学与技术、通信与信息系统等专业的高年级本科生和研究生教材，且对信号处理、控制、通信、航天、制导、目标跟踪、石油地震勘探、故障诊断、卫星测控、GPS定位、检测与估计、多传感器信息融合、机器人、生物医学等领域的研究人员和工程技术人员具有重要的参考价值。

前言

绪论

第1章 ARMA模型与状态空间模型

第2章 最小二乘法参数估计

第3章 状态与信号的最优估计——经典Kalman滤波与时域Wiener滤波

第4章 多传感器最优信息融合估计——Kalman滤波方法

第5章 状态与信号的最优估计——现代时间序列分析方法导论

第6章 多传感器最优信息融合估计——现代时间序列分析方法

第7章 自校正估计与自校正信息融合估计

附录1 稳态Kalman滤波算法Matlab仿真通式

附录2 三种加权信息融合算法Matlab仿真通式

附录3 构造ARMA新息模型的Gevers-Wouters算法Matlab仿真通式

附录4 RLS-RELS算法Matlab仿真通式

附录5 REIS算法Matlab仿真通式